人工智能方法提高了可穿戴电子产品材料多尺度模拟的效率

微观尺度和宏观尺度模拟的整合长期以来一直是材料科学中的计算挑战。为了解决这个问题，研究人员开发了AGAT，这是一种机器学习模型，可以有效预测可穿戴电子产品中使用的材料的行为，特别是针对CNT/PDMS复合材料。

AGAT模型是基于人工神经网络(ANN)嵌入图注意力网络的架构建立的。嵌入的ANN层用于根据CNT的长度和半径预测杨氏模量，充当分子模型和介观模型之间的桥梁。

利用广泛的多尺度模拟和现有文献中的数据，该模型经过训练，可以高精度评估CNT/PDMS复合材料的材料传感特性。

AGAT模型显着减少了柔性电子设备所必需的材料属性的计算开销。通过弥合详细的分子模拟和实际宏观应用之间的差距，该模型使设计人员能够探索新材料并对其进行优化，以实现高效的电子接口。